平民版的Elasticsearch?使用Redisearch实现的全文检索功能服务

by Liu Yue/2019-08-29

    “检索”是很多产品中无法绕开的一个功能模块,当数据量小的时候可以使用模糊查询等操作凑合一下,但是当面临海量数据和高并发的时候,业界常用 elasticsearch 和 lucene 等方案,但是elasticsearch对运行时内存有着最低限额,其运行时大小推荐 2G 以上的内存空间,并且需要额外的磁盘空间做持久化存储。

    其实mongoDB 内置的正则匹配搜索文本以及自带的 text 索引和 search 关键字也是一套靠谱的解决方案,但是这一次我们带来一种更加高效经济的文本检索方案:Redisearch

    下图是elasticsearch和redisearch的性能对比

    

    Redis Modules 是 redis 4.0 引入的一种扩展机制,用户可以通过实现 redis module 提供的 C api 接口为 redis 服务添加定制化功能。 redisLab 也希望籍此来规范 redis 社区的 ecosystem 实现。

    redis module 本身的版本独立于redis,并且以编译成动态加载库 .so 文件的方式 release, 不同版本的 redis 可以 load 同一版本 module.so 文件。

    redis 提供了两种加载方式。可以通过 在 conf 文件中 加入 loadmodule /path/to/mymodule.so ,也可以在 redis-cli中使用命令 MODULE LOAD /path/to/panda.so 动态加载,MODULE UNLOAD 卸载。


    特性

    基于文档的全文索引。
    高性能增量索引。
    支持文档评分,文档字段(field) 权重机制。
    支持布尔复杂查询。
    支持自动补全。
    基于 snowball 的词干分析,多语言支持。使用 friso 支持中文分词。
    utf-8 字符集支持。
    redis 数据持久化支持。
    自定义评分机制。

    

    其原理是在 redis 的 hashmap 基础上就可以很容易实现倒排索引的结构。redisearch 倒排索引除了实现了基础功能外,还引入了内存管理等优化功能。如果有兴趣可以阅读源码中的 src/inverted_index.c 部分

    

    首先,安装Rediseach,记住一点你本地的redis服务版本必须在4.0以上,网上一大堆编译安装的攻略,繁琐又浪费时间,所以又到了Docker登场时间了,hub上有编译好的免费镜像供我们下载

    

docker pull redislabs/redisearch

    下载后,直接在后台启动服务

    

docker run -d -p 6666:6379 redislabs/redisearch:latest

    

    此时已经有一个docker容器在后台启动了,redis服务映射到了宿主的6666端口,我们来连接一下

    

redis-cli -h localhost -p 6666

    

    检查 modules 是否成功加载

    

localhost:6666> MODULE list
1) 1) "name"
   2) "ft"
   3) "ver"
   4) (integer) 10405

    如果返回数组中存在 "ft" , 则表明 redisearch 已经成功加载。


    Redisearch 的索引概念 与elasticsearch 的 index 类似,表示某一类文档资源单元。

    这里我们定义了一个 SMARTX_VM 索引,其中存储的文档 包含 了 title 和 desc 两个 类型为 TEXT 的field。

    

FT.CREATE SMARTX_VM SCHEMA title TEXT WEIGHT 5.0 desc TEXT

    然后向刚刚创建的这条索引加一个文档

    

FT.ADD SMARTX_VM vm-2019082911110001 1.0 LANGUAGE "chinese" FIELDS title "人工智能" desc "我在北京昌平学习人工智能"

    LANGUAGE "chinese" 参数 表示 使用 中文分词器 处理文本。默认为英文

    此时我们进行文档检索

    

FT.SEARCH SMARTX_VM "人工智能" LANGUAGE "chinese"

    注意检索的时候也要指定语言,这里我们用中文分词,默认的英文分词是无法检索中文的

    

    可以看到已经返回了我们想要的结果。

    Redisearch 是一个高效,功能完备的内存存储的高性能全文检索组件, 十分适合应用在数据量适中, 内存和存储空间有限的环境。借助数据同步手段,我们可以很方便的将redisearch 结合到现有的数据存储中, 进而向产品提供 全文检索, 自动补全等服务优化功能。